La interacción por voz con inteligencias artificiales como ChatGPT, Gemini, Claude, y Llama está cobrando cada vez más relevancia, presentando una forma de comunicación más directa y natural con la tecnología. Meta, anticipándose a este futuro, está desarrollando Llama 4, un modelo de IA que mejora significativamente la interacción por voz, esperado en el corto plazo. Este modelo promete ser un «omnimodelo» en el que la voz es tratada de manera nativa, simplificando el proceso que convierte la voz en texto, y viceversa, para interactuar con el chatbot o hardware, destacando las gafas Ra-Ban Meta como potenciales beneficiadas de esta tecnología.
Esta tendencia no es exclusiva de Meta, Google y OpenAI ya han explorado capacidades avanzadas de voz, ofreciendo experiencias innovadoras como la creación de imágenes mediante comandos de voz o la opción de convertir la IA en profesores particulares. Incluso Elon Musk con su startup xAI y Amazon con Alexa+ están incursionando en mejorar la conversación con IA, imprimiendo personalidad y capacidades casi humanas a estas interacciones.
Los recientes avances en IA han permitido crear voces sintetizadas que imitan sorprendentemente bien el habla humana, capaces de ajustar el tono y hacer pausas naturales en la conversación. Empresas como Sesame y Eleven Labs están a la vanguardia en esta área, ofreciendo experiencias de interacción verbal muy cercanas a hablar con otro ser humano.
Estos desarrollos sugieren un futuro próximo donde la manera predominante de interactuar con la tecnología será mediante la voz, posiblemente en dispositivos móviles, pero también en accesorios como gafas conectadas y relojes inteligentes. El progreso en la síntesis de voz IA propone un cambio fundamental en nuestra relación con la tecnología, donde hablar con máquinas en tiempo real se convertirá en una práctica común y potencialmente más eficaz en ciertos contextos que la interacción mediante el teclado.